Na blogu tematyka sztucznej inteligencji (AI – artificial intelligence) pojawiała się nie raz. Tym razem o historii i sylwetkach ludzi, którzy stali na czele rewolucji wywołanej przez głębokie uczenie (deep learning), opowiedzianej przez Terrence’a J. Sejnowskiego na kartach książki „Deep learning. Głęboka rewolucja. Kiedy sztuczna inteligencja spotyka się z ludzką”, która ukazała się pod koniec kwietnia br. wydana przez Poltext.
„W książce Terry Sejnowski opisuje drogę, którą przemierzyło głębokie uczenie sieci neuronowych, przekształcając się z akademickiej dziedziny dostępnej tylko dla wtajemniczonych w przełomową technologię gospodarki informacyjnej.
Sejnowski odegrał istotną rolę w powstaniu głębokiego uczenia. Jest jedną z osób – należących do nielicznego kręgu naukowców – które w latach 80. XX wieku zakwestionowały dominujący model sztucznej inteligencji oparty na podejściu logiczno-symbolicznym. Nowa wersja inteligencji stworzona przez Sejnowskiego i innych naukowców, która później przekształciła się w głębokie uczenie, jest napędzana przez dane. Sieci głębokie uczą się na podstawie danych w taki sam sposób, jak dzieci, które doświadczają świata, zaczynając od świeżego spojrzenia i stopniowo zyskując umiejętności potrzebne do tego, by poruszać się w nowym środowisku. Algorytmy uczące wydobywają informację z surowych danych; informacja może zostać wykorzystana do wykreowania wiedzy; wiedza jest podstawą rozumienia, a rozumienie prowadzi do mądrości” – czytamy w opisie książki.
„Napisany przez Sejnowskiego bardzo osobisty dziennik podróży przez historię i sylwetki ludzi, którzy stali na czele rewolucji wywołanej przez głębokie uczenie, pełen jest zarówno cennych spostrzeżeń, jak i anegdot. Sturm und Drang tej historii przenika karty książki, dzięki czemu udziela się nam osobiste zaangażowanie autora i jego emocje” – Vint Cerf, pionier internetu.
O Autorze
Terrence J. Sejnowski – profesor w katedrze imienia Francisa Cricka w Instytucie Studiów Biologicznych Salka, profesor honorowy Uniwersytetu Kalifornijskiego w San Diego. Był członkiem komitetu doradczego powołanej przez prezydenta Obamę Inicjatywy na rzecz Badań nad Mózgiem dzięki Rozwijaniu Innowacyjnych Neurotechnologii oraz prezesem Fundacji Neuronowych Systemów Przetwarzania Informacji. Opublikował dwanaście książek, w tym (razem z Patricią Churchland) The Computational Brain (Mózg obliczeniowy, jubileuszowe wydanie na 25 rocznicę, MIT Press).
Fragmenty z przedmowy:
Jeśli ktoś korzystał z funkcji rozpoznawania głosu w telefonie z Androidem lub z usługi Tłumacza Google w internecie, to miał kontakt z sieciami neuronowymi1, które były trenowane za pomocą głębokiego uczenia maszynowego. W ciągu kilku ostatnich lat głębokie uczenie wygenerowało dla Google’a na tyle duże zyski, że pokryło koszty wszystkich futurystycznych projektów w Google X, łącznie z samojeżdżącymi pojazdami, okularami Google Glass i Google Brain2. Google było jedną z pierwszych firm internetowych, które opowiedziały się za głębokim uczeniem. W 2013 roku zatrudniło Geoffreya Hintona, ojca głębokiego uczenia. Inne firmy na wyścigi próbują za nimi nadążyć.
Prognozowanie, jaki wpływ na naszą przyszłość będą miały nowe technologie, nie jest naszą najmocniejszą stroną. Kto był w stanie przewidzieć w latach 90. XX wieku, kiedy internet zaczął nabierać charakteru komercyjnego, jaki będzie miało to wpływ na przemysł muzyczny? Na firmy taksówkowe? Na prowadzenie kampanii politycznych? Na niemal wszystkie aspekty naszego codziennego życia? Równie nieudana była próba przewidywania, w jaki sposób komputery zmienią nasze życie. Często w tym kontekście przytacza się wypowiedź Thomasa J. Watsona, prezesa IBM, który w 1943 roku powiedział, że „na światowych rynkach jest, jak sądzę, miejsce dla może pięciu komputerów”. Szczególnie trudno wyobrazić sobie, w jaki sposób pojawiające się wynalazki będą mogły być używane w przyszłości. Wynalazcy wcale nie są na lepszej pozycji niż inni, jeśli chodzi o prognozowanie nowych zastosowań. Pomiędzy utopijnymi i katastroficznymi scenariuszami, które kreśli się dla głębokiego uczenia i sztucznej inteligencji, mieści się wiele innych możliwości, ale nawet najbardziej pomysłowi pisarze science fiction nie są w stanie odgadnąć, jakie ostatecznie będzie oddziaływanie tych zjawisk.
źr. Terrence J. Sejnowski, Deep learning. Głęboka rewolucja
Życie na Ziemi jest pełne tajemnic, ale największym wyzwaniem wydaje się odpowiedź na pytanie, czym jest inteligencja. Natura obfituje w inteligencję, która przejawia się w wielu formach, od prostej, cechującej bakterie, po niezwykle złożoną występującą u ludzi. Każda z nich jest dostosowana do miejsca, które zajmuje we wszechświecie. Sztuczna inteligencja również będzie występować w wielu formach, które zajmą swoje konkretne miejsca w tym spektrum. Kiedy inteligencja maszynowa oparta na głębokich sieciach neuronowych osiągnie swoją dojrzałą postać, będzie mogła stanowić nową konceptualną ramę dla inteligencji biologicznej.
Deep learning. Głęboka rewolucja jest przewodnikiem po przeszłości, teraźniejszości i przyszłości głębokiego uczenia. Książka nie została pomyślana jako wyczerpująca historia tej dziedziny, a raczej jako osobiste spojrzenie na kluczowe osiągnięcia w sferze pojęciowej i wspólnotę badaczy, którzy do nich doszli.
Część pierwsza książki mówi o motywacji do podjęcia prac nad głębokim uczeniem i przedstawia kontekst, który jest konieczny do zrozumienia jego genezy. Część druga opisuje algorytmy uczące w różnych typach architektur sieci neuronowych. Część trzecia omawia wpływ głębokiego uczenia na nasze obecne życie i jego możliwe oddziaływanie w nadchodzących latach.
Fragmenty książki
Powstanie społecznych robotów
źr. Terrence J. Sejnowski, Deep learning. Głęboka rewolucja
W filmach sztuczną inteligencję przedstawia się często jako robota, który porusza się i mówi tak jak człowiek. Nie oczekujmy jednak, że sztuczna inteligencja przyjmie postać mówiącego z niemieckim akcentem Terminatora, jak w filmie science fiction i fantasy Terminator z 1984 roku. Raczej będziemy się komunikować z jej głosem, tak jak z głosem Samanthy w romansie science fiction Ona z 2013 roku, lub wchodzić w interakcje z droidami, takimi jak R2–D2 i BB-8 w filmie science fiction i fantasy Gwiezdne wojny. Przebudzenie mocy z 2015 roku. Sztuczna inteligencja już dzisiaj jest częścią naszego codziennego życia. Inteligentne urządzenia, na przykład Alexa w głośniku Amazon Echo, potrafią do nas mówić i z radością będą nam pomagać, by nasze życie uczynić łatwiejszym i bardziej satysfakcjonującym, tak jak zegary i utensylia do parzenia herbaty w romansie fantasy Piękna i bestia z 2017 roku. Jak będzie wyglądało nasze życie w świecie, w którym znajdą się również i takie stworzenia? Popatrzmy, jak wyglądają nasze pierwsze kroki na drodze prowadzącej ku robotom społecznym.
Aktualne osiągnięcia sztucznej inteligencji koncentrują się na sensorycznych i kognitywnych jej aspektach, odkładając na później rozwój w obszarze motoryki i podejmowania działań. Swoje wykłady zaczynam zazwyczaj od stwierdzenia, że mózg jest najbardziej złożonym mechanizmem w znanym nam wszechświecie. Natomiast moja żona, Beatrice, która jest lekarzem medycyny, często przypomina mi o tym, że mózg to tylko część naszego ciała. Jest ono jeszcze bardziej skomplikowane niż mózg, aczkolwiek stopień jego złożoności jest inny – jego źródłem jest ewolucja mobilności.
Nasze mięśnie, ścięgna, skóra i kości aktywnie adaptują się do zmienności naszego świata, do siły ciążenia, do obecności innych ludzi. Wewnętrznie nasze ciała są cudami przetwarzania chemicznego, zamieniając pożywienie w kunsztownie wykonane części ciała. Są one doskonałymi drukarkami 3D działającymi od środka. Nasze mózgi odbierają sygnały od wewnątrzustrojowych sensorów znajdujących się w każdej części naszego ciała, które nieustannie monitorują wewnętrzną aktywność, łącznie z najwyższymi strukturami reprezentacji w korze mózgowej, oraz podejmują decyzje dotyczące wewnętrznych priorytetów i utrzymują równowagę pomiędzy konkurującymi ze sobą żądaniami. Nasze ciała rzeczywiście są integralną częścią mózgów, a mózg jest najważniejszym ośrodkiem ucieleśnionej kognicji.
Biznes oparty na sztucznej inteligencji
Sztuczna inteligencja przyspiesza rozwój niematerialnej gospodarki informacyjnej. Wielkość produkcji gospodarki jest określana za pomocą produktu krajowego brutto (PKB), który jest łączną wartością wszystkich towarów i usług wyrażonych w walucie danego kraju. Ten miernik został opracowany na potrzeby gospodarki przemysłowej, w której podstawowe produkty i usługi były materialne, na przykład żywność, samochody, opieka medyczna. Dzisiaj jednak coraz większy procent wartości firmy informacyjnej nie jest już mierzony wartością produktów tego typu. Na przykład nieruchomości i sprzęt posiadane przez firmę Microsoft są wyceniane na miliard dolarów, stanowi to zaledwie 1 procent jej wartości rynkowej. Pozostała część jest wyceniana z uwzględnieniem oprogramowania i wiedzy fachowej programistów Microsoftu. Jaką wartość moglibyśmy przypisać informacji, którą ściągamy na nasze telefony? Potrzebujemy nowego miernika, który bierze pod uwagę wartość informacji we wszystkich jej przejawach. Mogą nim być niematerialne wartości krajowe brutto (Gross Domestic Intangibles, GDI), stanowiące uzupełnienie dla PKB jako miernik produktywności.
źr. Terrence J. Sejnowski, Deep learning. Głęboka rewolucja
Dzisiejsze zastosowania sztucznej inteligencji korzystają z wyników badań podstawowych, które zostały przeprowadzone trzydzieści lat temu. Praktyczne zastosowania, które pojawią się za trzydzieści lat, będą bazować na badaniach podstawowych, które prowadzone są dzisiaj. Najlepsi i najbystrzejsi badacze pracują obecnie dla przemysłu i koncentrują się na produktach i usługach w krótkiej perspektywie czasowej. Równoważą to najlepsi i najbystrzejsi studenci garnący się na kierunki związane z uczeniem maszynowym, którzy jedno pokolenie wcześniej pewnie zajęliby się bankowością inwestycyjną.
Myśląc o przyszłości sztucznej inteligencji, musimy wziąć pod uwagę dłuższą perspektywę czasową. Dzisiaj wciąż nie dysponujemy mocą obliczeniową wystarczającą do osiągnięcia przez sztuczną inteligencję poziomu zbliżonego do ludzkiego. Głębokie sieci mają teraz miliony jednostek przetwarzających oraz miliardy połączeń i wag pomiędzy nimi. To wielkości 10 tysięcy razy mniejsze niż liczba neuronów i synaps w korze mózgowej ludzi. W milimetrze sześciennym jej tkanki mieszczą się miliardy synaps. Gdyby wszystkie sensory na świecie zostały podłączone do internetu, a następnie połączone pomiędzy sobą za pomocą sieci głębokich, taka struktura mogłaby pewnego dnia obudzić się i powiedzieć: „Dzień dobry, świecie!”
Spis treści
Część I. Nowe spojrzenie na inteligencję
- Rozwój uczenia maszynowego
- Odrodzenie sztucznej inteligencji
- Świt sieci neuronowych
- Obliczenia wzorowane na mózgu
- Wskazówki od systemu wzrokowego
Część II. Wiele sposobów uczenia się .
- Problem przyjęcia koktajlowego
- Sieć Hopfielda i maszyna Boltzmanna
- Wsteczna propagacja błędów .
- Uczenie konwolucyjne
- Uczenie z nagrodą
- Neuronowe systemy przetwarzania informacji .
Część III. Oddziaływanie na naukę i technologię
- Przyszłość uczenia maszynowego
- Epoka algorytmów
- Dzień dobry, panie Chips
- Informacje wewnętrzne
- Świadomość
- Natura jest mądrzejsza od nas
- Głęboka inteligencja
PS Podziękowania dla wydawnictwa Poltext za udostępnienie egzemplarza książki.
Pozostaw komentarz